
Mistral Large 2 (Jul '24)
参数量が123Bの大規模モデルで、コード生成、数学、推論の分野で優れた性能を発揮します。拡張された多言語機能をサポートし、数十種類の言語をカバーしており、128kのコンテキストウィンドウを持ち、高度な関数呼び出し機能を備えています。命令追従においても優れた性能を示し、出力が簡潔です。
インテリジェンス(比較的弱い)
速度(中程度)
入力サポートモダリティ
いいえ
推論モデルかどうか
128,000
コンテキストウィンドウ
128,000
最大出力トークン
-
知識カットオフ
価格設定
¥14.4 /M tokens
入力
¥43.2 /M tokens
出力
¥21.6 /M tokens
混合価格
クイック簡易比較
Devstral Small (May '25)
¥0.1
Devstral Medium
¥0.4
Devstral
¥0.1
基本パラメータ
Mistral Large 2 (Jul '24)技術パラメータ
パラメータ数
123,000.0M
コンテキスト長
128.00k tokens
トレーニングデータカットオフ
オープンソースカテゴリ
Open Weights (License Required for Commercial Use)
マルチモーダルサポート
テキストのみ
スループット
42
リリース日
2024-07-24
応答速度
106.91,583 tokens/s
ベンチマークスコア
以下はMistral Large 2 (Jul '24)の様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
36.58
大規模言語モデルインテリジェンスレベル
コーディング指数
26.88
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
40.37
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
68.3
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
47.2
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
3.2
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
26.7
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
27.1
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
88.8
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
71.4
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
9.3
高難度の数学競技問題(特にAIMEレベル)を解決するAIモデルの能力を測定する指標
GPT 5 Mini
openai

¥1.8
入力トークン/百万
¥14.4
出力トークン/百万
400k
コンテキスト長
GPT 5 Standard
openai

¥63
入力トークン/百万
¥504
出力トークン/百万
400k
コンテキスト長
GPT 5 Nano
openai

¥0.36
入力トークン/百万
¥2.88
出力トークン/百万
400k
コンテキスト長
GPT 5
openai

¥9
入力トークン/百万
¥72
出力トークン/百万
400k
コンテキスト長
GLM 4.5
chatglm

¥0.43
入力トークン/百万
¥1.01
出力トークン/百万
131k
コンテキスト長
Gemini 1.0 Pro
google

¥3.6
入力トークン/百万
¥10.8
出力トークン/百万
33k
コンテキスト長
Gemini 2.0 Flash Lite (Preview)
google

¥0.58
入力トークン/百万
¥2.16
出力トークン/百万
1M
コンテキスト長
GPT 4
openai

¥216
入力トークン/百万
¥432
出力トークン/百万
8192
コンテキスト長